[PYTHON] MNIST (DCNN) avec Keras (backend TensorFlow)

MNIST (DCNN) avec Keras

Qu'est-ce que Keras

Bibliothèque pour faciliter l'utilisation de Theano et TensorFlow

Keras

Environnement d'exécution

Instance EC2 (AWS) g2.2xlarge (Oregon = ouest des États-Unis) Python 2.7.6 TensorFlow 0.8.0

L'instance AWS a été initialisée à l'aide de l'AMI d'une autre personne, mais si vous souhaitez l'introduire vous-même, reportez-vous à ce qui suit

Il semble que vous n'ayez plus besoin de construire à partir de la source pour exécuter TensorFlow sur l'instance GPU EC2?

Installation de Keras

Faites comme dans Documentation En supposant que TensorFlow est déjà installé, ajoutez "udo "si nécessaire

pip install scipy
pip install scikit-learn
pip install pyyaml
apt-get install libhdf5-dev
pip install h5py
pip install keras

Une fois de python

import keras

Exécutez Keras en tant que et modifiez '~ / .keras / keras.json' comme suit

"backend": "theano"

"backend": "tensorflow"

code

mnist.py


from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

from keras.datasets import mnist
from keras.utils import np_utils
from keras.models import Sequential
from keras.layers.convolutional import Convolution2D, MaxPooling2D
from keras.layers.core import Activation, Flatten, Dense
from keras.callbacks import EarlyStopping

(X_train, y_train), (X_test, y_test) = mnist.load_data()
nb_classes = 10

X_train = X_train.reshape(-1, 1, 28, 28).astype('float32')
X_test = X_test.reshape(-1, 1, 28, 28).astype('float32')
X_train /= 255
X_test /= 255
y_train = np_utils.to_categorical(y_train, nb_classes)
y_test = np_utils.to_categorical(y_test, nb_classes)

model = Sequential()

model.add(Convolution2D(nb_filter = 16, nb_row = 3, nb_col = 3, border_mode = 'same', input_shape = (1, 28, 28)))
model.add(Activation('relu'))

model.add(Convolution2D(nb_filter = 32, nb_row = 3, nb_col = 3, border_mode = 'same'))
model.add(Activation('relu'))

model.add(MaxPooling2D(pool_size = (2, 2), border_mode = 'same'))

model.add(Convolution2D(nb_filter = 64, nb_row = 3, nb_col = 3, border_mode = 'same'))
model.add(Activation('relu'))

model.add(Convolution2D(nb_filter = 128, nb_row = 3, nb_col = 3, border_mode = 'same'))
model.add(Activation('relu'))

model.add(MaxPooling2D(pool_size = (2, 2), border_mode = 'same'))

model.add(Flatten())

model.add(Dense(1024))
model.add(Activation('relu'))
model.add(Dense(1024))
model.add(Activation('relu'))
model.add(Dense(nb_classes))
model.add(Activation('softmax'))

early_stopping = EarlyStopping(monitor = 'val_loss', patience = 2)

model.compile(loss = 'categorical_crossentropy', optimizer = 'adam', metrics = ['accuracy'])
model.fit(X_train, y_train, nb_epoch = 5, batch_size = 100, callbacks = [early_stopping])
score = model.evaluate(X_test, y_test)
print('Test loss:', score[0])
print('Test accuracy:', score[1])

Page référencée

Deep Learning Library Keras Keras Documentation

Recommended Posts

MNIST (DCNN) avec Keras (backend TensorFlow)
MNIST (DCNN) avec skflow
Essayez TensorFlow MNIST avec RNN
Challenge classification des images par TensorFlow2 + Keras 3 ~ Visualiser les données MNIST ~
[TensorFlow] [Keras] Construction d'un réseau neuronal avec Keras
Comparez le TensorFlow brut avec tf.contrib.learn et Keras
Exécutez Keras avec le backend CNTK à partir de CentOS
Zundokokiyoshi avec TensorFlow
Casser des blocs avec Tensorflow
J'ai essayé de déplacer GAN (mnist) avec keras
Code pour TensorFlow MNIST débutant / expert avec commentaires japonais
Résumé de Tensorflow / Keras
Classer les numéros mnist par keras sans apprentissage par l'enseignant [Auto Encoder Edition]
Reconnaissance d'image avec keras
Utilisez le kit Cognitive Took (CNTK) avec le backend Keras
Lecture de données avec TensorFlow
Prévisions de courses de bateaux avec TensorFlow
Identifiez le nom de l'image de la fleur avec des keras (flux tenseur)
Essayez MNIST avec VAT (Virtual Adversarial Training) avec Keras
Tutoriel CIFAR-10 avec Keras
LSTM multivarié avec Keras
J'ai essayé d'implémenter Grad-CAM avec keras et tensorflow
Découvrez Wasserstein GAN avec le modèle Keras et l'optimisation TensorFlow
Essayez la régression avec TensorFlow
2020/02 Python 3.7 + TensorFlow 2.1 + Keras 2.3.1 + YOLOv3 Détection d'objets avec la dernière version
[TensorFlow 2 / Keras] Comment exécuter l'apprentissage avec CTC Loss dans Keras
Traduire Premiers pas avec TensorFlow
Essayez l'apprentissage en profondeur avec TensorFlow
Utiliser TensorFlow avec Intellij IDEA
Lire l'exemple de keras mnist
Installation de Keras (utilisée par Anaconda)
Analyse de régression multiple avec Keras
Fonction sinueuse approximative avec TensorFlow
Notes AutoEncodder avec Keras
Implémentation de word2vec avec Theano + Keras
Génération de phrases avec GRU (keras)
Réglage des paramètres Keras avec Keras Tuner
Prévision du cours de l'action avec tensorflow
Créez facilement des CNN avec Keras
Implémentation d'un GAN efficace avec keras
Pensez aux abandons avec MNIST
J'ai touché Tensorflow et keras
Reconnaissance d'image avec Keras + OpenCV
Défi la classification des images par TensorFlow2 + Keras 4 ~ Prédisons avec un modèle entraîné ~
Création d'un modèle séquentiel Tensorflow avec une image originale ajoutée à MNIST
Défiez la classification des images avec TensorFlow2 + Keras 9-Apprentissage, sauvegarde et chargement de modèles-
[Version améliorée] Essayez MNIST avec VAT (Virtual Adversarial Training) sur Keras
[Note de lecture] Apprentissage automatique pratique avec Scikit-Learn, Keras et TensorFlow Chapitre 1